Grote uitzendorganisatie voorspelt verzuimkosten met verzuimanalyse

Uitzendorganisatie | Verzuimanalyse | Verzuimkosten

Aan de hand van risicogroepen heeft AnalitiQs grote verzuimrisico's aangetoond

Ziekteverzuim is voor iedereen vervelend. De werknemer die zich ziek moet melden, de collega’s die daardoor vaak meer werkdruk ervaren en de werkgever die naast de organisatorische uitdagingen ook meer kosten maakt. Organisaties doen er daarom alles aan om verzuim terug te dringen. Maar niet altijd heb je daar invloed op. Sinds 2018 ligt het gemiddelde ziekteverzuim in Nederland boven de 4% en sinds eind 2021 zelfs boven de 5%.

Ook uitzendorganisaties hebben te maken met verzuim. Zo ook de grote uitzendorganisatie die een verzuimanalyse liet uitvoeren door AnalitiQs. Zij wilden daarmee de grootste verzuimrisico’s in kaart brengen om daarop te kunnen anticiperen.

Situatie

Niet de werving & selectie, wel het risico

Deze grote uitzendorganisatie doet meer dan alleen uitzenden. Als HR-dienstverlener bieden ze daarnaast ook payroll- en backofficeservice. Bij deze services nemen zij de administratieve afhandeling van flexwerkers voor hun rekening, zoals bijvoorbeeld de salarisverwerking, maar ook de juridische en administratieve verplichtingen. Hieronder valt de overname van ziekterisico en begeleiding van zieke medewerkers. De definitieve keuze van in te zetten medewerkers en de aansturing op de werkvloer doet de opdrachtgever zelf.

Concreet betekent dat, dat zij niet de mensen selecteren, maar wel de verzuimrisico’s dragen en verantwoordelijk zijn voor (de kosten van) verzuim. Daarom wilden zij deze risico’s in kaart brengen en waar mogelijk vermijden. En als dat niet kan, een opslag berekenen bij een hoger risico op verzuim.

Dennis van den Berg is Data Scientist bij AnalitiQs. Hij vertelt over deze analyse, de belangrijkste uitkomsten en geeft antwoord op de klantvraag:

  • Wat zijn de verzuimrisico’s?

Aanpak

Verzuimanalyse geeft inzicht in verzuim

Om te beginnen: wat houdt een verzuimanalyse precies in? Dennis legt uit: ‘Er bestaan verschillende soorten verzuimanalyses. Zo kun je bijvoorbeeld het verzuimproces onderzoeken of op zoek gaan naar mogelijke oorzaken van verzuim. Ook kun je risicogroepen of -factoren definiëren, en dat is wat we in dit onderzoek hebben gedaan.’

Op zoek naar risicogroepen

Het onderzoek richtte zicht dus op risico’s. Dennis: ‘We zijn gestart met de risicofactoren. Dat zijn bepaalde kenmerken van medewerkers waarbij het risico op verzuim hoger ligt. Vervolgens hebben we risicogroepen gemaakt, oftewel groepen van medewerkers ingedeeld op verzuimrisico. Onder hoog verzuimrisico verstonden we zowel lang verzuim, als ook vaak verzuim.’

‘Deze klant benaderde ons vanwege onze expertise met HR-gerelateerde onderwerpen. We zijn bekend met verzuimdefinities en hoe je die gegevens uit een databestand haalt. Bovendien hebben we veel ervaring met complexe analysemethodes. Die kennis had de klant zelf niet. Ze wilden wel graag meer leren over verzuimanalyses, vandaar dat we tijdens het traject ook inhoudelijke workshops hebben gegeven. Mijn taak was het prepareren van de data, het analyseren van de data en -kwaliteit, het houden van workshops en natuurlijk uiteindelijk de conclusies presenteren.’

Onderzoek is altijd maatwerk

Voordat de daadwerkelijke analyse start, is een goede voorbereiding samen met de klant heel belangrijk. Dennis legt uit: ‘Anders dan bij andere verzuimonderzoeken keken we naar medewerkers die aan een nieuwe uitzendopdracht begonnen en vervolgens naar het risico dat iemand in de eerste drie maanden verzuimt. Waarom alleen de eerste drie maanden? Omdat het merendeel van de uitzendopdrachten slechts drie tot vier maanden duurt. Vaak kijk je voor de analyseook terug naar historische gegevens van medewerkers. In dit geval was dat lastig, omdat het merendeel van de medewerkers nieuw start. We passen ons onderzoek daarom altijd aan de specifieke situatie van de klant aan.’

‘Daarom vind ik de kick-off van een project essentieel. Daarin brainstormen we met verschillende mensen van de organisatie. We kijken wat belangrijk is, hoe bepaalde dingen werken en spreken af hoe we het project aan zullen pakken. Zonder zo’n workshop is de kans groot dat je later moet bijsturen. Of erger nog: de onderzoeksvraag helemaal niet kunt beantwoorden.’


Resultaten

Grote verschillen in verzuimrisico aangetoond

Na het prepareren van de data begint de eigenlijke analyse. Dennis: ‘We startten met het verzuim in kaart brengen. Heel simpel: je zet het verzuimpercentage af tegen de tijd in maanden. Vervolgens kijk je per variabele of die van invloed is. Die variabelen kunnen echt van alles zijn, van leeftijd tot functie of hoe ver iemand van z’n werk woont. We gebruiken machine learning en er vallen dan een hoop variabelen af. We bepalen welke factoren en welke groepen met aantoonbare impact we wel kunnen onderscheiden.’

‘Eigenlijk zagen we al snel opvallende zaken. Bepaalde branches hadden veel meer risico op verzuim, maar ook het aantal uren dat iemand werkt was van invloed. En anders dan je misschien denkt, hadden mensen die fulltime óf juist heel weinig uren werken het minste kans op verzuim. De middenmoot, zeg tussen de 20 en 32 uur, verzuimde het meest. We hebben overigens in dit onderzoek niet onderzocht waarom dat zo is, al kun je er natuurlijk een hypothese op loslaten.’

Datakwaliteit is altijd een aandachtspunt bij een project als dit

De uitdagingen onderweg waren niet uniek. Dennis legt uit: ‘In een onderzoek als dit is de datakwaliteit eigenlijk altijd een aandachtspunt. Je komt tijdens je data-analyse issues tegen die je gaandeweg moet oplossen. Klopt data wel? Denk aan simpele maar toch heel onlogische zaken als een negatieve leeftijd, een waarde waarbij iemand langer in dienst is dan dat hij oud is, lege velden, gekke waardes, noem maar op.’

‘En dan heb je nog de klantspecifieke data. Wij kennen het systemen van de klant waar de data uit afkomstig is natuurlijk niet door-en-door. Je weet niet precies welke definities worden gebruikt, of op welke manier gegevens worden weggeschreven. Daarom is veel sparren met de klant heel belangrijk om de data goed te doorgronden. Pas dan kun je data gebruiken en conclusies trekken.’

Conclusie

Van verzuimrisico naar verzuimkosten

Door dit onderzoek zijn de verzuimrisico’s nu in kaart. Daarmee is het tijd voor de volgende stap: verzuimkosten. Dennis: ‘Je weet nu de risico’s en kunt daarmee ook voorspellen wat dat betekent voor de kosten. Als je weet dat het risico op verzuim hoger is bij een bepaalde branche of een bepaald soort werk, kun je die extra kosten verrekenen in je tarief.’

Klant kan na de analyse zelfstandig aan de slag

Dennis is trots op de uitkomsten van het onderzoek, maar ook op de klant zelf. Dennis: ‘Wat ik persoonlijk echt leuk vond, was de steile leercurve die ik zag tijdens de workshops. De deelnemers hadden gaandeweg steeds meer inbreng en dachten mee. Ze hebben nu een boomstructuur waarin risicogroepen zijn weergegeven en kunnen daarmee zelf aan de slag en hun beleid maken.’

‘Na afloop kreeg ik van de deelnemers terug dat ze blij waren met de statistische onderbouwing van de uitkomsten. Het meeste lag namelijk in de lijn der verwachting, maar nu stond dit onderbuikgevoel met bewijs op papier. Als de deelnemers tevreden zijn, sluit ik het project ook met een goed gevoel af!’

Meer over verzuimanalyse door AnalitiQs

Onze missie is: turning data into profit. We helpen je daarom graag met een verzuimanalyse, wat je vraagstelling ook is. Wil je weten hoe we jouw organisatie of HR-afdeling kunnen helpen? Hier vind je meer informatie over verzuimanalyse of neem contact op. We bespreken de mogelijkheden graag met je!

Interesse? Maak een afspraak!

Irma Doze

Irma Doze

Zoek op deze website